《表1 部分主要智能车数据集》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的智能车辆视觉里程计技术发展综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于学习的VO需要大量的数据对搭建的模型进行训练。KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合制作，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集，用于评测立体图像（Stereo）、光流（Optical Flow）、视觉测距（Visual Odometry）、3D物体检测（3D Object Detection）和3D跟踪（3D Object Tracking）等计算机视觉技术在车载环境下的性能；Cityscapes数据集采集了50个城市不同季节的街道车辆运行数据，目标是用于场景语义理解；Mapillary数据集是由位于瑞典马尔默的公司Mapillary AB开发的，用来分享含有地理标记照片的服务，其创建者希望利用众包的方式将全世界（不仅是街道）以照片的形式存储；Comma.ai’s Driving Dataset的目的是构建低成本的自动驾驶方案，目前主要应用场景是使用改装手机来辅助自动驾驶，开源部分主要是行车记录仪的数据；Apolloscape是百度的自动驾驶数据集，有很多复杂场景的道路。目前，智能车数据集以视频和图片为主，随着越来越多公司的加入和众包方式的应用，公开的数据集会越来越丰富。表1列举了部分主要的智能车数据集。